Често чуваме, че някой интернет сайт, приложение или може би устройство за ефективност използва изкуствен интелект (Artificial Intelligence) като строго секретен компонент за техния финансов успех. Но рядко някой обяснява какво точно прави AI за по-доброто потребителско изживяване.

 Ако приемем, че не знаете много за изкуствения интелект и изпитвате страхове към “Възход на машините” (Terminator), това наистина може да е плашещо. Машинното обучение е сложно и непрекъснато се развива, но това не означава, че трябва да предизвиква тревожност – особено когато е включена личната ви информация. Разбирането на начина, по който инструментите зависят от вас, ще позволи на всеки да се възползва от тях по-лесно.

AI всъщност е технология, която наподобява мисловните процеси при хората. 

 AI е всеки тип съвременна технология, създадена да работи по специфичен начин, имитиращ този, по който хората правят нещата. Изкуственият интелект е лесно достъпен в наши дни, но няма да замени човек. Това не е като да поставите мозък в интегрална схема. Вместо това „хуманистичният“ компонент е свързан с резултатите или с това, с което отделният човек се ангажира конкретно. Различни софтуерни приложения, които използват AI, правят всички усилия, за да помогнат на крайния потребител да бъде възможно най-близо до взаимодействие с истински човек .

 Точно като хората, изкуствените интелекти не се раждат перфектни. Те трябва да се приспособят по начин, какъвто е обучението за хората. Изкуствен интелект се самообучава с усвояване на подходяща информация, факти и тяхното усъвършенстване, както и със запазване на данни  за по-късното им използване. Сякаш малко дете докосва много гореща фурна. Умът му регистрира дискомфорта и след това си прави бележка, за да се въздържа от това да го направи отново. Изкуственият интелект не е много по-различен.

Има три  различни метода за машинно обучение:

Самообучение с учител:

 Това всъщност е един от най-популярните видове изкуствен интелект, който се използва в момента.  Това обучение се характеризира с използването на много голям брой етикетирани примери. Алгоритъмът се обучава да разпознава връзката между входните и изходните данни. Този метод за машинно обучение се прилага при разпознаване на лица и гласове. 

Самообучение без учител:

 Това е метод при който алгоритмите се опитват да идентифицират модели в данните, търсейки прилики, които могат да бъдат използвани за категоризиране на тези данни. Пример може да бъде групиране на плодове, които тежат еднакво количество, или коли с подобен размер на двигателя.

Алгоритъмът не се настройва предварително, за да избере конкретни типове данни, той просто търси данни, които могат да бъдат групирани по сходствата му. Като пример може да дадем Google News, който групира истории по подобни теми всеки ден.

Обучение с утвърждение:

 Тези методи се отличават със способността си да функционират без необходимост от примерни решения на поставения проблем. Обучението протича като последователност от пробни действия, които постепенно водят до утвърждаване на добрите действия и избягване на неподходящите. При това, обучението системата се опитва да увеличи “наградата” въз основа на входните си данни, като основно преминава през процес на проби и грешки, докато стигне до най-добрия възможен резултат.

 Пример за усъвършенстване на обучението е Deep Q-мрежата на Google DeepMind, която се използва за най-доброто представяне на човека в различни класически видео игри. Системата се анализира с пиксели от всяка игра и определя различна информация, като разстоянието между обектите на екрана.

 След като  разглежда и резултата, постигнат във всяка игра, системата изгражда модел, чието действие ще увеличи максимално резултата при различни обстоятелства.

 Всеки един от методите за обучение на AI използва много техники и формули – някои от тях са доста остарели (понякога с десетилетия), а други са по-скоро нови и непроверени. Понякога по-ранните методи, използвани в AI, са по-ефективни. 

Автор: Атанас Костов